核心卫星策略配置框架：用 70% 被动核心 + 30% 主动卫星，把稳健和锐度都装上

你有一笔钱要做长期配置，最纠结的从来不是「买什么」，而是两个互相打架的目标：既要稳，又要跑得动。

全买宽基指数 ETF？稳是稳了，但「全程裸多一个 beta」——大盘跌 30% 你一分不少地吃，且永远拿不到任何主动 alpha。全仓做主动策略、押行业、押因子？锐度是够，但波动大、回撤深，一旦风格逆风就裸奔。

核心-卫星(Core-Satellite)策略要解决的，就是这桩矛盾：把组合切成两层——

• 核心(Core)：占大头(通常 70%~90%)，买宽基指数 ETF，目标是拿到「市场该给的 beta」+ 极低的成本，不求有功但求无过；
• 卫星(Satellite)：占小头(10%~30%)，做主动的事——行业轮动、因子 tilt、个股精选、CTA、甚至私募——目标是博取指数之外的超额收益。

一笔钱，底层吃稳健，上层吃锐度。本文用合成宇宙的 mu/sigma 把这件事算清楚。

1. 三个方案，先算期望#

设三个资产：核心=宽基指数(年化 mu 7%、sigma 15%)、卫星1=动量因子 tilt(mu 12%、sigma 19%)、卫星2=价值因子 tilt(mu 10%、sigma 17%)，相关性用一组合理的矩阵串起来。三种配置：

• 纯被动：100% 在核心；
• 核心-卫星：核心 70% / 动量 18% / 价值 12%；
• 纯卫星：动量 50% / 价值 50%。

期望指标直接由 mu 与协方差矩阵解析算出（不依赖任何随机路径）：

import numpy as np

ann_mu = np.array([0.070, 0.120, 0.100])          # 核心 / 动量 / 价值
ann_sd = np.array([0.150, 0.190, 0.170])
C = np.array([[1.00, 0.62, 0.55],
              [0.62, 1.00, 0.50],
              [0.55, 0.50, 1.00]])
Cov = (ann_sd[:, None] * ann_sd[None, :]) * C       # 年化协方差

W_passive = np.array([1.0, 0.0, 0.0])
W_cs      = np.array([0.70, 0.18, 0.12])
W_sat     = np.array([0.0, 0.50, 0.50])

def exp_metrics(w):
    mu_p = w @ ann_mu
    sd_p = np.sqrt(w @ Cov @ w)
    return mu_p, sd_p, (mu_p - 0.02) / sd_p         # 期望年化、波动、Sharpe(rf=2%)

for name, w in [("纯被动", W_passive), ("核心-卫星", W_cs), ("纯卫星", W_sat)]:
    mu, sd, sh = exp_metrics(w)
    print(f"{name:8s} 期望年化 {mu*100:5.2f}%  波动 {sd*100:5.2f}%  Sharpe {sh:.2f}")

跑出来：

结论先放这：核心-卫星在几乎不增加波动(15.0% → 14.2%)的前提下，把期望年化从 7.0% 抬到 8.3%，Sharpe 从 0.33 抬到 0.44。而纯卫星虽然期望年化最高(11%)，但代价是「把全部鸡蛋放进主动篮子」——它吃掉的是最差回撤和风格裸奔的风险，不是免费的午餐。

2. 成分风险贡献：核心真的只扛了「它该扛」的波动吗#

核心-卫星的精髓在于：核心吃的是「市场 beta 那部分波动」，卫星吃的是「主动那部分」。用成分风险贡献把账拆开：

pv = W_cs @ Cov @ W_cs          # 组合方差
mrc = Cov @ W_cs                # 边际风险贡献
rc = W_cs * mrc                 # 成分风险贡献(方差单位)
rc_pct = rc / pv                # 占总风险的比例
print("权重 %:", np.round(W_cs*100, 1))        # [70. 18. 12.]
print("风险贡献 %:", np.round(rc_pct*100, 1))  # [71.7 18.6  9.7]

算出：核心占 70% 权重，却只贡献 71.7% 的总风险；两个卫星合计只占 30% 权重，却贡献了 28.3% 的风险。进一步看年化成分波动——核心 12.0%、动量 6.1%、价值 4.4%——核心用最大的权重，提供了相对最「便宜」(单位权重产出最低风险)的波动。这正是核心-卫星能「以小博大」的结构原因：卫星那 30% 仓位，撬动了不成比例的主动收益，又没让组合总波动失控。

3. 一个示意图：三种配置的累计净值#

下面这张净值曲线是固定随机种子采样的示意路径（仅展示形态，不代表任何真实历史）。它能直观说明：核心-卫星的曲线几乎贴着纯被动走，但在中段主动风格顺风时明显拉开——终值 4.94x，高于纯被动的 3.86x，远低于纯卫星的 7.93x，但波动率也远低于纯卫星。

# 示意路径：对数收益 = (mu - 0.5*sd^2)/12 + 月度噪声
rng = np.random.default_rng(4578)
Z = rng.standard_normal((240, 3))
L = np.linalg.cholesky(Cov)
monthly = (ann_mu/12 - 0.5*ann_sd**2/12) + (Z @ L.T)/np.sqrt(12)
nv_cs = (1 + monthly @ W_cs).cumprod()
nv_p  = (1 + monthly @ W_passive).cumprod()
print(f"20年终值: 纯被动 {nv_p[-1]:.2f}x | 核心-卫星 {nv_cs[-1]:.2f}x")

4. 怎么落地：核心和卫星分别装什么#

核心层(稳健底座)：宽基指数 ETF 是最自然的容器——沪深 300 / 中证 A500 / 标普 500，费率低、透明、不会死。核心的任务只有一个：拿到市场 beta，别折腾。

卫星层(锐度来源)，常见几类，按「主动程度」从低到高：

• 因子 tilt ETF：低波、红利、质量、动量类 Smart Beta，本质是「半被动的主动」；
• 行业/主题 ETF：新能源、AI、黄金，赌的是结构性机会；
• 主动基金 / 量化选股：真正靠 alpha 吃饭的部分；
• 另类：CTA、套利、黄金、REITs，和股债相关性低，起分散作用。

卫星的关键在于**「小」**——它允许你激进，是因为它只占 30%。这 30% 即使归零，组合也只伤筋不动骨；而这 30% 一旦抓对一轮风格，回报足以把整体 Sharpe 抬一个档次。

5. 五类真实陷阱（别只看上面的漂亮数字）#

1. 卫星的 alpha 会被费用吃光：主动基金费率 1%~2%/年，30% 仓位的主动部分每年先被刮掉 0.3%~0.6%，核心-卫星那 1.3% 的年化增益说没就没。所以卫星优先用低费率的因子 ETF，而不是高费率主动基。
2. 再平衡纪律：核心涨了、卫星跌了，权重会漂移。不季度/半年度再平衡，几年后「核心-卫星」会变成「纯被动」或「纯卫星」，框架名存实亡。再平衡本身也是「被动低买高卖」。
3. 卫星之间的相关性被低估：你以为装了「动量 + 价值 + CTA」三个卫星很分散，但危机时它们可能集体和股票同向暴跌。卫星内部也要看相关性，别把同源风险当分散。
4. 「核心」不是无风险：核心就是市场 beta，2008 / 2015 / 2022 年它照样跌 30%~50%。核心-卫星降低的是「主动踩雷」，不是「系统性风险」。想压系统性风险，得看下一个话题——风险平价。
5. 幸存者偏差与回测顺风顺水：上面的合成宇宙里卫星 mu 高于核心，是「已知答案」的设定。真实世界里，多数主动策略的超额收益在扣费后不显著，卫星能不能真的产出 alpha，需要你自己用实盘前样本外去验证，不能默认「装了就赚」。

一句话总结：核心-卫星不是一个「更牛的策略」，而是一个让稳健和锐度不再二选一的配置框架——用 70% 被动核心锁住底线，用 30% 主动卫星去博上限。它赢不在某一年跑得多猛，而在「你能坚持得下去」：波动可控、逻辑透明、再平衡机械可执行。真正难的从来不是设计框架，是管住手不去把 30% 卫星加到 80%。